Oprogramowanie na zamówienie nigdy nie było tak tanie

Oprogramowanie na zamówienie przestało być wydatkiem tylko dla dużych firm. Własne narzędzie, które przepisuje zamówienia z maili albo czyta faktury, kosztuje dziś wyraźnie mniej niż kilka lat temu. Małe firmy wciąż jednak rzadziej korzystają z nowych narzędzi. W 2025 roku AI używało 17% firm w UE zatrudniających od 10 do 49 osób i 55% firm zatrudniających ponad 250 osób, według danych Eurostatu o wykorzystaniu AI w przedsiębiorstwach. W Polsce było to 8,4% firm, drugi najniższy wynik w UE (Eurostat, grudzień 2025).

Ten tekst jest dla właścicieli i menedżerów małych i średnich firm oraz dla założycieli startupów. Wyjaśnia, dlaczego koszt spadł i co nadal kosztuje tyle samo. Na końcu są ceny i sposób, żeby zacząć od jednego procesu.

W skrócie

• Cena modelu AI, który w teście pytań naukowych dorównuje GPT-4, spadała około 40-krotnie w skali roku według Epoch AI.
• Płatności, logowanie, bazę danych i hosting wynajmuje się jako gotowe usługi. Programista pisze tylko część, która dotyczy Twojej firmy.
• Badania szybkości pracy z AI dają różne wyniki: od 55,8% szybciej do 19% wolniej.
• Nie potaniało poznanie procesu, testy, bezpieczeństwo, porządek w danych i utrzymanie.
• Najtaniej zacząć od jednego procesu, który co tydzień zajmuje ludziom najwięcej godzin.

Dlaczego oprogramowanie na zamówienie jest dziś tańsze?

Bo potaniała część pracy, która kiedyś wymagała wielu godzin programistów. Część wykonują modele AI, część gotowe usługi w chmurze, a część narzędzia, które piszą kod. Każdy z tych powodów widać w danych.

Modele AI kosztują ułamek ceny z 2023 roku

W marcu 2025 roku Epoch AI zmierzył, jak szybko tanieje uzyskanie konkretnych wyników w testach modeli językowych. Cena osiągnięcia poziomu GPT-4 w pytaniach naukowych na poziomie doktoratu spadała 40-krotnie w skali roku. W innych testach roczny spadek wynosił od 9-krotnego do 900-krotnego (Epoch AI, „LLM inference prices have fallen rapidly but unequally across tasks”, 2025).

Sam model, który czyta maila albo fakturę, rzadko jest więc największym kosztem projektu. Więcej kosztuje praca ludzi: poznanie procesu, połączenie z systemami firmy i testy.

Płatności, logowanie i baza danych są gotowe

Wiele elementów, które programista kiedyś pisał od zera, dziś się wynajmuje. Stripe w Polsce nie pobiera opłaty za uruchomienie ani abonamentu. Od płatności standardową kartą z Europejskiego Obszaru Gospodarczego bierze 1,5% plus 1 zł (cennik Stripe, 2026). Supabase daje bazę danych i logowanie w darmowym planie do 500 MB danych i 50 000 aktywnych użytkowników miesięcznie. Plan Pro kosztuje od 25 USD miesięcznie (cennik Supabase, 2026).

Do tego dochodzi hosting na platformach takich jak Vercel oraz modele Claude i GPT dostępne przez API, gdzie płaci się za faktyczne użycie. Programista nie buduje więc systemu płatności ani logowania. Łączy gotowe usługi i pisze tylko tę część, która dotyczy Twojej firmy.

Narzędzia AI piszą dużą część kodu

Claude Code, Cursor i GitHub Copilot piszą kod na podstawie opisu zadania. W kwietniu 2025 roku Anthropic przeanalizował 500 000 rozmów o programowaniu. W Claude Code 79% rozmów to automatyzacja, czyli AI bezpośrednio wykonywało zadanie. W zwykłym czacie Claude.ai takich rozmów było 49% (Anthropic Economic Index: AI's impact on software development, 2025).

To samo badanie pokazuje, że startupy korzystają z tych narzędzi chętniej niż korporacje. Projekty startupowe stanowiły 32,9% rozmów w Claude Code, a korporacyjne 23,8%. W marcu 2025 roku Jared Friedman, partner akceleratora Y Combinator, powiedział, że u co czwartej firmy z naboru W25 AI wygenerowało 95% kodu (TechCrunch, 2025).

Jeśli jedna osoba pisze więcej kodu, projekt potrzebuje mniej osób i mniej godzin na fakturze. Dane o tym, o ile szybciej pracuje programista z AI, są jednak niejednoznaczne. Pokazuje to dalsza część tekstu.

Jak wygląda automatyzacja dopasowana do Twojej firmy?

Automatyzacja dla firm to w praktyce zwykle program, który czyta tekst i przenosi dane między systemami. Analiza tekstu pisanego była w 2025 roku najczęściej używaną technologią AI w firmach UE. Korzystało z niej 11,8% przedsiębiorstw (Eurostat, „20% of EU enterprises use AI technologies”, 2025). Oto przykłady, które pasują do małej i średniej firmy:

• Zamówienia z maili do ERP. Klient przysyła zamówienie w treści maila albo w załączniku. Program odczytuje produkty, ilości i adres dostawy, a potem zakłada dokument w ERP. Pracownik tylko go zatwierdza.
• Dane z faktur i PDF-ów. Numer faktury, NIP, kwoty i termin płatności trafiają do systemu księgowego albo arkusza bez ręcznego przepisywania.
• Oferta z cennika. Handlowiec wpisuje, czego potrzebuje klient. Program liczy cenę według Twojego cennika i rabatów, a potem tworzy PDF do wysłania.
• Kwalifikacja leadów z formularza. Program ocenia zgłoszenie ze strony według Twoich kryteriów, na przykład budżetu i branży. Zgłoszenia, które je spełniają, od razu trafiają do handlowca.
• Raport tygodniowy. W poniedziałek rano zarząd dostaje raport ze sprzedaży i należności, złożony automatycznie z danych z kilku systemów.
• Asystent na dokumentach firmy. Pracownik pyta o procedurę albo warunki umowy i dostaje odpowiedź z odnośnikiem do dokumentu źródłowego. Tak działa technika opisana w tekście Co to jest RAG i dlaczego zmienia AI w biznesie?.

We wszystkich tych przykładach program wykonuje te same kroki, które Twoi ludzie wykonują ręcznie, w tych samych systemach. Przy gotowym SaaS często jest odwrotnie: to firma zmienia sposób pracy, żeby pasował do programu. Gdy narzędzie powstaje pod Twój proces, sposób pracy zostaje bez zmian, a znika przepisywanie danych.

Więcej przykładów automatyzacji procesów z wyliczeniem godzin jest w osobnym artykule. Takie wdrożenia robimy w ramach usługi Integracje AI.

Czy AI naprawdę przyspiesza pisanie kodu?

W krótkich, jasno opisanych zadaniach badania pokazują duży zysk. W eksperymencie z 2023 roku programiści z GitHub Copilotem napisali serwer HTTP w JavaScripcie o 55,8% szybciej niż grupa bez AI (Peng i in., „The Impact of AI on Developer Productivity”, 2023). W dużych projektach rozwijanych od lat wynik bywa odwrotny.

W 2024 roku ekonomiści m.in. z MIT, Princeton i Microsoftu opisali trzy eksperymenty w Microsofcie, Accenture i dużej firmie produkcyjnej. Dostęp do Copilota zwiększył liczbę ukończonych zadań średnio o 26%. Mniej doświadczeni programiści zyskali od 27% do 39%, bardziej doświadczeni od 8% do 13% (MIT Sloan, „How generative AI affects highly skilled workers”, 2024).

W lipcu 2025 roku organizacja badawcza METR opublikowała wynik odwrotny. Szesnastu doświadczonych programistów wykonało 246 zadań w dużych projektach open source, przy których pracowali od lat. Z AI, głównie z Cursorem i modelami Claude 3.5 i 3.7 Sonnet, pracowali o 19% wolniej. Przed badaniem spodziewali się przyspieszenia o 24%. Po nim nadal oceniali, że AI przyspieszyło ich o 20% (METR, „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, 2025).

W lutym 2026 roku METR opisał drugą rundę badania. Surowe wyniki pokazują raczej przyspieszenie, ale autorzy uznali swoje dane za mało wiarygodne. Od 30% do 50% programistów przyznało, że nie zgłaszało części zadań, bo nie chcieli ich robić bez AI. Autorzy uważają, że na początku 2026 roku AI przyspiesza programistów bardziej niż rok wcześniej, ale na razie nie potrafią zmierzyć, o ile (METR, „We are Changing our Developer Productivity Experiment Design”, 2026).

Ankieta Stack Overflow pokazuje podobny rozdźwięk. W 2025 roku 84% programistów używało AI albo planowało to robić. Jednocześnie 66% jako największy problem wskazało odpowiedzi AI „prawie dobre, ale nie do końca” (Stack Overflow Developer Survey 2025, 2025).

Co z tego wynika dla firmy? Zysk czasu jest realny, ale zależy od zadania. Małe, nowe narzędzie z jasno opisanym celem ma cechy zadania z eksperymentu z 2023 roku: jest krótkie i dobrze zdefiniowane. Badanie METR dotyczyło dużych projektów rozwijanych od lat. To wniosek z porównania badań, a nie wynik żadnego z nich. Obietnice, że AI zbuduje całą aplikację w kilka dni, traktuj ostrożnie.

Co nie potaniało i gdzie jest przesada?

Nie potaniały poznanie procesu, testy, bezpieczeństwo, porządek w danych i utrzymanie. W marcu 2026 roku Veracode opisał testy kodu z ponad 150 modeli AI. Bezpieczny kod powstawał w około 55% zadań, prawie tak samo jak dwa lata wcześniej (Veracode, „Spring 2026 GenAI Code Security Update”, 2026). Przesadzone są więc obietnice, że AI zbuduje i utrzyma aplikację bez programisty.

Zrozumienie procesu

Model nie wie, że jeden z klientów zawsze zamawia z rabatem, a faktury od danego dostawcy przychodzą z osobnym załącznikiem. Te wyjątki zna Twój zespół. Ktoś musi je zebrać i zapisać jako reguły. Dlatego pracę zaczynamy od rozmowy, w której poznajemy firmę, jej klientów i cel projektu. Raport DORA z 2025 roku ujmuje ogólną zasadę tak: AI nie naprawia zespołu, tylko wzmacnia to, co już w nim jest (Google Cloud, „Announcing the 2025 DORA Report”, 2025).

Testy i bezpieczeństwo

Kod z AI często wygląda poprawnie, ale trzeba go sprawdzić. W ankiecie Stack Overflow 45,2% programistów wskazało, że debugowanie kodu z AI zajmuje więcej czasu (Stack Overflow Developer Survey 2025, 2025). Według raportu DORA większe użycie AI nadal wiąże się z mniejszą stabilnością wdrożeń. Autorzy piszą, że bez testów automatycznych i dojrzałej kontroli wersji więcej zmian w kodzie prowadzi do niestabilnego działania. Program, który zakłada zamówienia w ERP, trzeba sprawdzić na prawdziwych dokumentach, także na tych nietypowych.

Jakość danych

AI pracuje na danych, które firma już ma. Jeśli cennik istnieje w kilku wersjach, a baza klientów ma duplikaty, program powieli te błędy. Gartner przewiduje, że do końca 2026 roku firmy porzucą 60% projektów AI, które nie mają danych przygotowanych pod AI. W jego ankiecie 63% organizacji nie miało odpowiednich praktyk zarządzania danymi albo nie wiedziało, czy je ma (Gartner, „Lack of AI-Ready Data Puts AI Projects at Risk”, 2025).

Utrzymanie

Program po wdrożeniu wymaga opieki. Dostawcy zmieniają API, pojawiają się nowe wersje modeli, a firma zmienia cennik i procedury. Do tego dochodzą miesięczne opłaty za hosting i użycie modeli. Przy wycenie zapytaj osobno o koszt budowy i o koszt miesięczny. Zapytaj też, kto będzie wprowadzał zmiany. Po uruchomieniu projektu dalej pomagamy przy zmianach i rozwoju. Koszty utrzymania opisuje tekst Ile kosztuje wdrożenie AI w firmie? Cennik 2026.

Jak zacząć automatyzację w firmie małym kosztem?

Zacznij od jednego procesu i zmierz go, zanim cokolwiek zbudujesz. Gartner przewidywał, że do końca 2025 roku co najmniej 30% projektów generatywnej AI zostanie porzuconych po etapie testowym. Jako powody podał słabą jakość danych, brak kontroli ryzyka, rosnące koszty i niejasną wartość dla biznesu (Gartner, lipiec 2024). Pomiar przed startem pokazuje, czy ta wartość w ogóle istnieje.

1. Wybierz jeden proces. Taki, który powtarza się co tydzień i zajmuje ludziom najwięcej godzin. Często jest to przepisywanie danych z zamówień, faktur albo zgłoszeń.
2. Zmierz go. Zapisz, ile razy w tygodniu się powtarza, ile minut trwa jedno powtórzenie, kto to robi i ile jest poprawek. Pomnóż godziny przez koszt godziny pracy. Otrzymasz kwotę, z którą porównasz cenę wdrożenia.
3. Zbuduj małą wersję. Jeden rodzaj dokumentu, jedno źródło danych, a na końcu człowiek, który zatwierdza wynik. Taka wersja szybko pokaże wyjątki, których nikt wcześniej nie zapisał.
4. Porównaj wynik z pomiarem. Po kilku tygodniach działania zmierz to samo co na początku. Jeśli czas i liczba poprawek spadły, masz podstawę, żeby iść dalej.
5. Rozbudowuj krok po kroku. Dodaj kolejne rodzaje dokumentów, kolejny system albo drugi proces.

Jeśli w firmie brakuje wiedzy o AI, nie jesteś wyjątkiem. W 2025 roku wśród firm w UE, które rozważały AI, ale go nie wdrożyły, najczęstszym powodem był brak odpowiedniej wiedzy. Wskazało go prawie 71% z nich (Eurostat, „Use of artificial intelligence in enterprises”, 2025). Tę część można zlecić wykonawcy.

Ile kosztuje oprogramowanie na zamówienie w Kodivo?

Integracje AI i automatyzacje kosztują u nas zwykle od 3 000 do 40 000 zł netto, a aplikacje webowe od 5 000 do 60 000 zł netto. Cena zależy od liczby systemów do połączenia, stanu danych i liczby wyjątków w procesie. Każdą wycenę ustalamy po rozmowie o projekcie. Do tego dochodzą miesięczne opłaty za użycie modeli AI, zwykle od 100 do 1000 zł, zależnie od ruchu.

Szczegóły są na stronach usług Integracje AI i Aplikacje webowe. Jeśli masz już wybrany i zmierzony proces, wypełnij konfigurator projektu. Wybierasz w nim rodzaj projektu, funkcje i budżet, a potem wysyłasz zapytanie. Na tej podstawie przygotujemy wstępną wycenę.

Najczęściej zadawane pytania

Czy oprogramowanie na zamówienie opłaca się małej firmie?

Opłaca się, gdy proces co tydzień zajmuje ludziom dużo godzin i przebiega według stałych reguł. Policz te godziny, pomnóż przez koszt pracy i porównaj z ceną wdrożenia oraz kosztem miesięcznym. Jeśli proces zdarza się rzadko albo za każdym razem wygląda inaczej, zostań przy pracy ręcznej lub gotowym programie.

Czy nie lepiej kupić gotowy program SaaS?

Gotowy SaaS sprawdza się, gdy Twój proces wygląda tak jak w większości firm, na przykład przy wystawianiu faktur. Własne narzędzie ma sens, gdy proces jest specyficzny albo dane trzeba przenosić między kilkoma systemami. Często najlepiej działa połączenie: gotowe programy zostają, a małe narzędzie przenosi dane między nimi.

Czy AI napisze aplikację bez programisty?

AI napisze dużą część kodu, ale ktoś musi go sprawdzić, przetestować i zabezpieczyć. Testy Veracode pokazują, że modele AI wciąż często piszą kod z lukami bezpieczeństwa. W ankiecie Stack Overflow programiści najczęściej narzekali na odpowiedzi AI, które są prawie dobre, ale nie do końca. Za działanie programu odpowiada człowiek.

Ile kosztuje utrzymanie takiego narzędzia?

Na utrzymanie składają się hosting, opłaty za użycie modeli AI i czas na zmiany, gdy zmienia się proces albo połączone systemy. Kwota zależy od liczby przetwarzanych dokumentów i liczby integracji. Zanim podpiszesz umowę, poproś wykonawcę o osobną wycenę budowy i osobną wycenę kosztu miesięcznego.